Ítem
Acceso Abierto

Comparación de métodos de optimización para la generación de horarios para personal de enfermería

Mostrar el registro sencillo de la publicación
dc.contributor.advisorOrjuela Cañón, Alvaro David
dc.contributor.gruplacGiBiomespa
dc.creatorCastrillón Rodríguez, Johan Alejandro
dc.creator.degreeIngeniero Biomédicospa
dc.creator.degreetypeFull timespa
dc.date.accessioned2021-06-16T15:20:21Z
dc.date.available2021-06-16T15:20:21Z
dc.date.created2021-05-27
dc.descriptionLa organización de personal de enfermería es un problema de optimización que se ha estudiado ampliamente en las últimas 4 décadas desde la computación en diversas formas. Una de las formas de trabajo que se ha presentado es la utilización de inteligencia artificial para la búsqueda de soluciones óptimas a partir de la definición de restricciones, periodos de tiempo a organizar y cantidad de personal disponible para cubrir las necesidades de los distintos planteles sobre los que se puede aplicar este tipo de actividades. Para el desarrollo de este documento se realizó una búsqueda de los métodos de IA en los que el campo de la salud se ha apoyado ampliamente para solucionar distintas problemáticas que implican la optimización de recursos para garantizar el mejor funcionamiento que sea posible, métodos entre los cuales se encuentran los Algoritmos Genéticos, el Recocido Simulado y algunas variantes de inteligencias de enjambre como la Búsqueda por Cardumen de Peces, métodos con los que se desarrollaron algoritmos para dar solución a un problema de optimización de personal de enfermería y posteriormente se compararon sus eficiencias en función del tiempo que requiere a cada uno de los modelos para llegar a soluciones que sean aplicables en un ámbito de trabajo real.spa
dc.description.abstractThe organization of nursing staff is an optimization problem that has been studied extensively in the last 4 decades since computing in various ways. One of the forms of work that has been presented is the use of artificial intelligence to find optimal solutions from the definition of restrictions, periods of time to organize and the amount of personnel available to cover the needs of the different schools on the that you can apply these types of activities. For the development of this document, a search was carried out for AI methods in which the health field has relied widely to solve different problems that involve optimizing resources to guarantee the best possible operation, methods among which are the Genetic Algorithms, the Simulated Annealing, and some variants of swarm intelligence such as the Search by School of Fish, methods with which algorithms were developed to solve a problem of optimization of nursing personnel and their efficiencies were subsequently compared in depending on the time required for each of the models to arrive at solutions that are applicable in a real work environment.spa
dc.format.extent42 pp.spa
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_31620
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/31620
dc.language.isospaspa
dc.publisherUniversidad del Rosariospa
dc.publisher.departmentEscuela de Medicina y Ciencias de la Saludspa
dc.publisher.programIngeniería Biomédicaspa
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Colombiaspa
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.source.bibliographicCitationF. S. Palma, S. V. Süazo y O. S. Alvarado, «EL TRABAJO DEL PROFESIONALDE ENFERMERÍA: REVISIÓN DE LA LITERATURA,»Ciencia y enfermería, n.o2,2015.doi:http://dx.doi.org/10.4067/S0717-95532015000200002.spa
dc.source.bibliographicCitationO. del Carmen De Arco-Canoles y Z. K. Suarez-Calle, «Rol de los profesionales deenfermería en el sistema de salud colombiano,»Universidad y salud, n.o2, 2018.doi:https://doi.org/10.22267/rus.182002.121.spa
dc.source.bibliographicCitationA. Wren, «Scheduling, Timetabling and Rostering - A Special Relationship?»Interna-tional Conference on the Practice and Theory of Automated Timetabling, págs. 46-75,1996.doi:https://doi.org/10.1007/3-540-61794-9_51.spa
dc.source.bibliographicCitationD. M. Warner, «Scheduling Nursing Personnel According to Nursing Preference: AMathematical Programming Approach,»Operations Research, n.o5, págs. 842-856,1976.doi:http://dx.doi.org/10.1287/opre.24.5.842.spa
dc.source.bibliographicCitationF. Seguel y S. Valenzuela, «Relación entre la fatiga laboral y el síndrome burnouten personal de enfermería de centros hospitalarios,»Enfermería universitaria, n.o4,págs. 119-127, 2014.spa
dc.source.bibliographicCitationA. Fernández-Sánchez, A. Juárez-García, F. Arias-Galicia y M. E. González-Zermeño,«Agotamiento profesional en personal de enfermería su relación con variables demográ-ficas y laborales,»Revista de Enfermería del Instituto Mexicano del Seguro Social, n.o1,págs. 15-22, 2010spa
dc.source.bibliographicCitationR. R. Gonzales, Y. R. Doval y O. M. Pérez, « Estrés Laboral, consideraciones sobre suscaracterísticas y formas de afrontamiento,»Revista Internacional De Psicología, n.o1,págs. 1-19, 2002.doi:https://doi.org/10.33670/18181023.v3i01.13.spa
dc.source.bibliographicCitationS. Çelik, N. Taşdemir, A. Kurt, E. İlgezdi y Ö. Kubalas, «Fatigue in Intensive Care Nur-ses and Related Factors,»the international journal of occupational and environmentalmedicine, n.o4, págs. 199-206, 2017.doi:10.15171/ijoem.2017.1137.spa
dc.source.bibliographicCitationM. E. S. Meza y G. M. Moré, «Errores de enfermería en la administración de fármacosen unidades hospitalarias,» 2014.spa
dc.source.bibliographicCitationP. Innocent y R. John, «Computer aided fuzzy medical diagnosis,»Information Scien-ces, n.o2, págs. 81-104, 2017.doi:https://doi.org/10.1016/j.ins.2004.03.003.spa
dc.source.bibliographicCitationP. Johnson, L. Vandewater, W. Wilson y P. Maruff, «Genetic algorithm with logisticregression for prediction of progression to Alzheimer’s disease,»BMC Bioinformatics,S11, 2014.doi:10.1186/1471-2105-15-S16-S11.spa
dc.source.bibliographicCitationA. S. Miller, B. H. Blott y T. K. hames, «Review of neural network applications inmedical imaging and signal processing,» págs. 449-464, 1992.doi:https://doi.org/10.1007/BF02457822.spa
dc.source.bibliographicCitationL. T. Merlot, N. Boland, B. D. Hughes y P. J. Stuckey, «A Hybrid Algorithm forthe Examination Timetabling Problem,»International Conference on the Practice andTheory of Automated Timetabling, págs. 207-231, 2003.doi:10.1007/978-3-540-45157-0_14.spa
dc.source.bibliographicCitationZ. Jin y F. Teng, «Research of Genetic Algorithm in the Medical Logistics DistributionRouting Optimization,»Second International Conference on Intelligent ComputationTechnology and Automation, 2009.doi:10.1109/icicta.2009.116.spa
dc.source.bibliographicCitationT. Vidal, T. G. Crainic, M. Gendreau y C. Prins, «A hybrid genetic algorithm withadaptive diversity management for a large class of vehicle routing problems with time-windows,»Computers Operations Research, n.o1, págs. 475-489, 2013.doi:10.1016/j.cor.2012.07.018.spa
dc.source.bibliographicCitationC. Catania, C. Zanni-Merk, F. de Bertrand de Beuvron y P. Collet, «A Multi ObjectiveEvolutionary Algorithm for Solving a Real Health Care Fleet Optimization Problem,»Procedia Computer Science, págs. 256-265, 2015.doi:10.1016/j.procs.2015.08.125.spa
dc.source.bibliographicCitationH. Kawanaka, K. Yamamoto, T. Yoshikawa, T. Shinogi y S. Tsuruoka, «Genetic al-gorithm with the constraints for nurse scheduling problem,»Proceedings of the 2001Congress on Evolutionary Computation (IEEE Cat. No.01TH8546), págs. 1123-1130,2001.doi:10.1109/CEC.2001.934317.spa
dc.source.bibliographicCitationS. Kundu, M. Mahato, B. Mahanty y S. Acharyya, «Comparative Performance of Simu-lated Annealing and Genetic Algorithm in Solving Nurse Scheduling Problem,»LectureNotes in Engineering and Computer Science, págs. 19-21, 2008.spa
dc.source.bibliographicCitationG. Du, Z. Jiang, Y. Yao y X. Diao, «Clinical Pathways Scheduling Using Hybrid GeneticAlgorithm,»Journal of Medical Systems, n.o9945, 2013.doi:https://doi.org/10.1007/s10916-013-9945-4.spa
dc.source.bibliographicCitationR. Patel, I. M. L. Jr. y M. E. Halloran, «Finding optimal vaccination strategies forpandemic influenza using genetic algorithms,»Journal of Theoretical Biology, n.o2,págs. 201-212, 2005.doi:https://doi.org/10.1016/j.jtbi.2004.11.032spa
dc.source.bibliographicCitationG. A. Ezzell y L. Gaspar, «Application of a genetic algorithm to optimizing radia-tion therapy treatment plans for pancreatic carcinoma,»Medical Dosimetry, n.o2,págs. 93-97, 2000.doi:https://doi.org/10.1016/S0958-3947(00)00035-2.spa
dc.source.bibliographicCitationL. Zhang, F. C. Chang y R. Xu, «The Patient Admission Scheduling of an OphthalmicHospital Using Genetic Algorithm,»Proceedings of the 2012 2nd International Confe-rence on Computer and Information Application (ICCIA 2012), págs. 1-7, 2012.doi:https://doi.org/10.2991/iccia.2012.1.spa
dc.source.bibliographicCitationC. S. Moreno y F. Castaño, «Evaluación de reglas de prioridad para la programaciónde cirugías en ambientes con limitada disponibilidad de recursos,»Scientia et technica,n.o1, págs. 58-67, 2018.doi:https://doi.org/10.22517/issn.2344-7214.spa
dc.source.bibliographicCitationS. webb, «Optimisation of conformal radiotherapy dose distributions by simulated an-nealing,»Physics in Medicine and Biology, n.o10, págs. 1349-1370, 1989.doi:10.1088/0031-9155/34/10/002.spa
dc.source.bibliographicCitationS. M. Morrill, R. G. Lane e I. I. Rosen, «Treatment planning optimization using cons-trained simulated annealing,»Physics in Medicine Biology, n.o10, págs. 1341-1361,1991.doi:10.1088/0031-9155/36/10/004spa
dc.source.bibliographicCitationF. Hu, M. Wang, Y. Zhu, J. Liu e Y. Jia, «A time simulated annealing-back propagationalgorithm and its application in disease prediction,»Modern Physics Letters B, n.o25,2018.doi:10.1142/s0217984918503037.spa
dc.source.bibliographicCitationS. N. Kumar, A. L. Fred y P. S. Varghese, «Compression of CT Images using ContextualVector Quantization with Simulated Annealing for Telemedicine Application,»Journalof Medical Systems, n.o48, 2018.doi:https://doi.org/10.1007/s10916-018-1090-7.spa
dc.source.bibliographicCitationJ. Kennedy y R. Eberhart, «Particle swarm optimization,»Proceedings of ICNN’95-international conference on neural networks, págs. 1942-1948, 1995.doi:10.1109/mhs.1995.494215spa
dc.source.bibliographicCitationG. M.Jaradat, A. Al-Badareen, M. Ayob, M. Al-Smadi, I. Al-Marashdeh, M. Ash-Shuqran y E. Al-Odat, «Hybrid Elitist-Ant System for Nurse-Rostering Problem,»Jour-nal of King Saud University – Computer and Information Sciences, n.o3, págs. 378-384,2019.doi:https://doi.org/10.1016/j.jksuci.2018.02.009.spa
dc.source.bibliographicCitationL. Altamirano, M. Riff y L. Trilling, «A PSO algorithm to solve a real anaesthesio-logy nurse scheduling problem,»2010 International Conference of Soft Computing andPattern Recognition, 2010.doi:10.1109/SOCPAR.2010.5685868.spa
dc.source.bibliographicCitationP.-C. Chang, J.-J. Lin y C.-H. Liu, «An attribute weight assignment and particle swarmoptimization algorithm for medical database classifications,»Computer Methods andPrograms in Biomedicine, n.o3, págs. 382-392, 2012.doi:https://doi.org/10.1016/j.cmpb.2010.12.004.spa
dc.source.bibliographicCitationC. B. Filho, F. de Lima Neto, A. Lins, A. I. Nascimento y d Marília P. Lima, «FishSchool Search,»Nature-Inspired Algorithms for Optimisation, págs. 261-277, 2009.doi:https://doi.org/10.1007/978-3-642-00267-0_9.spa
dc.source.bibliographicCitationA. Ernst, H. Jiang, M. Krishnamoorthy y, «Staff scheduling and rostering: A review ofapplications, methods and models,»European Journal of Operational Research, n.o1,págs. 3-27, 2004.spa
dc.source.bibliographicCitationG. M. B. Nicho, «PLANIFICACIÓN DE HORARIOS DEL PERSONAL DE CIRU-GÍA DE UN HOSPITAL DEL ESTADO APLICANDO ALGORITMOS GENÉTICOS(TIME TABLING PROBLEM),»PONTIFICIA UNIVERSIDAD CATÓLICA DELPERÚ FACULTAD DE CIENCIAS E INGENIERÍA, 2010.spa
dc.source.bibliographicCitationS. E. Haupt, «Introduction to Genetic Algorithms,»Artificial Intelligence Methods inthe Environmental Sciences, págs. 103-125, 2009.doi:.https://doi.org/10.1007/978-1-4020-9119-3_5.spa
dc.source.bibliographicCitationK. Y. Lee y M. A. El-Sharkawi, «Fundamentals of genetic algorithms,»MODERN HEU-RISTIC OPTIMIZATION TECHNIQUES: THEORY AND APPLICATIONS TO PO-WER SYSTEMS (IEEE PRESS SERIES ON POWER ENGINEERING), págs. 25-42,2008spa
dc.source.bibliographicCitationM. Mitchell, «An Introduction to Genetic Algorithms,»Complex Adaptive Systems fromMIT press, capitulo 2, 1996.spa
dc.source.bibliographicCitationM. B. M. Batista, J. A. M. Pérez y J. M. M. Vega, «Algoritmos Genéticos. Una visiónpráctica,»Números: Revista de didáctica de las matemáticas (Ejemplar dedicado a:Darwin), n.o71, pág. 4, 2009.spa
dc.source.bibliographicCitationK. Dowsland y A. Díaz, «Diseño de heurísticas y fundamentos del recocido simulado,»Handbook of Natural Computing, n.o19, págs. 93-101, 2003spa
dc.source.bibliographicCitationK. A. Dowsland y J. M. Thompson, «Simulated Annealing,»Handbook of NaturalComputing, págs. 1623-1655, 2012.doi:https://doi.org/10.1007/978-3-540-92910-9_49.spa
dc.source.bibliographicCitationW. Odziemczyk, «Application of simulated annealing algorithm for 3D coordinate trans-formation problem solution,»Open Geosciences, vol. 12, págs. 491-502, jul. de 2020.doi:10.1515/geo-2020-0038.spa
dc.source.bibliographicCitationH. E. Romeijn y R. L. Smith, «Simulated Annealing and Adaptive Search in Glo-bal Optimization,»Probability in the Engineering and Informational Sciences, n.o4,págs. 571-590, 1994.doi:https://doi.org/10.1017/S0269964800003624spa
dc.source.bibliographicCitationR. C. Eberhart e Y. Shi, «Particle Swarm Optimization: Developments, Applications andResources,»2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546),2001.doi:10.1109/cec.2001.934374.spa
dc.source.bibliographicCitationI. Atsuko y N. Akira, «A subproblem-centric model and approach to the nurse schedulingproblem,»Mathematical Programming, n.o3, págs. 517-541, 2003.doi:10.1007/s10107-003-0426-2.spa
dc.source.bibliographicCitationK. Candotti, D. Mavares y R. Velásquez, «Comparación de métodos metaheurísticos deoptimización: recocido simulado, algoritmos genéticos y búsqueda del cuco.,»Universi-dad, Ciencia y Tecnología, n.o71, 2014spa
dc.source.bibliographicCitationA. Ghaher, S. Shoar, M. Naderan y S. S. Hoseini, «The Applications of Genetic Algo-rithms in Medicine,»Oman Medical Journal, n.o6, págs. 406-416, 2015.doi:10.5001/omj.2015.82.spa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectAlgoritmos Genéticosspa
dc.subjectRecocido Simuladospa
dc.subjectBúsqueda por Cardumen de Pecesspa
dc.subjectProblemas de programación de Horariosspa
dc.subject.ddcCiencias médicas, Medicinaspa
dc.subject.ddcIngeniería & operaciones afinesspa
dc.subject.keywordGenetic algorithmsspa
dc.subject.keywordfishing school search algorithmspa
dc.subject.keywordSimulated Annealingspa
dc.subject.keywordScheduling problems.spa
dc.subject.lembCiencias médicas, Medicinaspa
dc.titleComparación de métodos de optimización para la generación de horarios para personal de enfermeríaspa
dc.title.TranslatedTitleComparison of optimization methods for the generation of schedules for nursing personnelspa
dc.typebachelorThesiseng
dc.type.documentTrabajo de gradospa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de gradospa
local.department.reportEscuela de Medicina y Ciencias de la Saludspa
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Trabajo_Dirigido___Alejandro.pdf
Tamaño:
1.15 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Pregrado en Ingeniería Biomédica